索引

argmin--最小值索引,argmax--最大值索引

import numpy as np

x = np.random.normal(0,1,size=1000000)

np.min(x)

-4.736102442527367

np.argmin(x)

258131

x[258131]

-4.736102442527367

np.max(x)

4.788201736638607

np.argmax(x)

24635

x[24635]

4.788201736638607

排序和索引

x = np.arange(16)

x

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])

shuffle--随机打乱数组

np.random.shuffle(x)

x

array([14, 10,  7,  8, 11,  0, 13,  5,  2,  3,  4, 15, 12,  9,  6,  1])

多维数组排序

x = np.random.randint(0,10,size=(4,4))

x

array([[7, 8, 0, 9],
       [5, 1, 8, 2],
       [3, 4, 0, 3],
       [6, 0, 3, 0]])

np.sort(x)#这里存在axis参数，与聚合函数中的原理一致，这里默认按行排序

array([[0, 7, 8, 9],
       [1, 2, 5, 8],
       [0, 3, 3, 4],
       [0, 0, 3, 6]])

按索引进行排序

x = np.arange(1,10)

np.random.shuffle(x)
x

array([4, 9, 7, 2, 8, 1, 3, 6, 5])

np.argsort(x)#这里是按照索引方式排序，3指的是原数组中最小值的索引为3

array([5, 3, 6, 0, 8, 7, 2, 4, 1], dtype=int64)

paritition--快速排序

传入一个标定值(这里是传入索引)，返回一个以标定点划分的边界点，一边比标定点小，另外一边比标定点大

p = np.array([1,2,3,4,5,6,7,44,9,4])

p

array([ 1,  2,  3,  4,  5,  6,  7, 44,  9,  4])

np.partition(p,7)

array([ 2,  1,  3,  4,  4,  5,  6,  7,  9, 44])

原文地址：https://www.cnblogs.com/Missv4you/p/12032006.html